当前位置： 首页 > news >正文

从零起步学习MySQL || 第九章：从数据页的角度看B+树及MySQL中数据的底层存储原理（结合常见面试题深度解析）

news 2025/10/25 9:55:40

一、InnoDB 是如何存储数据的

1. InnoDB 的存储结构层次

InnoDB 的数据文件不是随意放数据，而是有严格的层次结构：

逻辑结构层次：
数据库 -> 表空间 (tablespace) -> 段 (segment) -> 区 (extent) -> 页 (page) -> 行 (row)

我们从大到小地解释：

(1) 表空间 (Tablespace)

  • InnoDB 默认会将所有数据存储在一个或多个表空间文件（.ibd 或 ibdata1）中。

  • 每个表对应一个表空间（如果开启了 innodb_file_per_table=ON），也就是说：

    表A的数据存储在表A.ibd
表B的数据存储在表B.ibd

(2) 段 (Segment)

  • 一个表空间里会有多个“段”。

  • 主要有两种段：

    • 数据段（Data Segment）：存储表的数据。

    • 索引段（Index Segment）：存储索引的内容（B+ 树的节点）。

  • 每个索引对应一个段。

(3) 区 (Extent)

  • 每个段由多个区组成。

  • 一个区（Extent）大小是 1MB。

  • 每个区包含多个页（通常为 64 个页）。

(4) 页 (Page)

  • InnoDB 最小的存储单位是页（Page），默认大小为 16KB。

  • 页中存储了若干行记录（Row）。

  • 常见页类型有：

    • 数据页（存表记录）

    • 索引页（存B+树节点）

    • Undo页、系统页、事务页等

(5) 行 (Row)

  • 每一行数据就是我们插入的记录。

  • 每行记录包括：

    • 用户定义的列

    • 隐藏列（如 DB_ROW_ID、DB_TRX_ID、DB_ROLL_PTR）

  • 行内存储采用 行格式（Row Format），如 COMPACT 或 DYNAMIC，以节省空间。

补充讲解：

因为在第六章https://blog.csdn.net/ze15829163918/article/details/153696668?spm=1001.2014.3001.5502https://blog.csdn.net/ze15829163918/article/details/153696668?fromshare=blogdetail&sharetype=blogdetail&sharerId=153696668&sharerefer=PC&sharesource=ze15829163918&sharefrom=from_linkhttps://blog.csdn.net/ze15829163918/article/details/153696668?fromshare=blogdetail&sharetype=blogdetail&sharerId=153696668&sharerefer=PC&sharesource=ze15829163918&sharefrom=from_linkhttps://blog.csdn.net/ze15829163918/article/details/153696668?spm=1001.2014.3001.5502中我们已经讲过一行数据的存储，这里就直接讲一页数据的存储

一、InnoDB 数据页是什么？

在 InnoDB 存储引擎中：

  • 页（Page）是最小的读写单位；

  • 页的默认大小是 16KB（16384字节）；

  • 页存储在表空间（tablespace）中；

  • 不同类型的页有不同作用，比如：

    • 数据页（存放表记录）

    • 索引页（存放索引节点）

    • Undo页、事务页、系统页等。

我们今天重点讲 数据页（Data Page），它的类型在源码中叫 FIL_PAGE_INDEX。

一页（Page）就像一个小“抽屉”，里面放着若干行数据（记录），还有页头、页尾和一些辅助信息用于定位、校验、链接等。

数据页各部分的作用详解

 File Header （文件头，38 字节）

存储页与页之间的关系，用于页的链表管理和完整性校验。
每个页都有一个文件头，它包含以下重要信息：

字段说明
FIL_PAGE_SPACE_OR_CHKSUM页校验和，用于检测页是否损坏
FIL_PAGE_OFFSET页号（唯一标识页在表空间中的位置）
FIL_PAGE_PREV上一个页的页号（双向链表）
FIL_PAGE_NEXT下一个页的页号（双向链表）
FIL_PAGE_LSN该页最后修改的日志序列号
FIL_PAGE_TYPE页类型（数据页=0x45BF）

 作用：
帮助 InnoDB 快速在页之间导航（如在B+树叶子节点之间），并验证数据完整性。

 Page Header （页头，56 字节）

记录当前页自身的内部状态和控制信息，供存储引擎管理页内记录。

字段说明
PAGE_N_DIR_SLOTS页目录中槽的数量
PAGE_HEAP_TOP空闲空间的起始位置
PAGE_N_HEAP当前页中的记录数量
PAGE_FREE指向第一个可重用的空闲记录的指针
PAGE_LEVELB+树的层级（0=叶子页）
PAGE_INDEX_ID索引 ID（标识属于哪个索引）
PAGE_MAX_TRX_ID最近修改此页的最大事务 ID

 作用：
管理该页中的记录存储情况，如：有多少条、空闲空间在哪、属于哪棵索引树等。

 Infimum 和 Supremum 伪记录（26 字节）

在每个页中都有两条“伪记录”：

  • Infimum（下限）：比所有用户记录都小；

  • Supremum（上限）：比所有用户记录都大。

这两条记录并不存储真实数据，而是充当**哨兵（sentinel）**的作用。

 作用：

  • 方便页内记录的范围比较；

  • 支撑页内有序链表结构；

  • 避免边界判断逻辑复杂化。

可以理解为：

页内所有用户记录都位于 Infimum 与 Supremum 之间。

 User Records（用户记录区）

这是最核心的部分——存放真正的行数据（row）。

每条记录（行）包含：

  • 变长字段长度列表

  • NULL 标志位列表

  • 数据列

  • 隐藏列（DB_TRX_ID, DB_ROLL_PTR, DB_ROW_ID）

  • 记录头信息（record header）

InnoDB 中的每条记录都组成一个单向链表，按主键顺序链接：

Infimum -> row1 -> row2 -> ... -> rowN -> Supremum

 作用：
存放用户真实数据，并按照主键有序排列，形成页内有序链表。

 Free Space（空闲空间）

当页中插入新记录时，InnoDB 就会在 Free Space 区域分配空间。
当记录被删除后，其占用空间会加入空闲链表，以便重用。

 作用：
存放尚未分配给记录的空间，提高空间利用率。

 Page Directory（页目录）

页内的“目录索引表”，用于加速页内记录查找。
可以理解为页内的“小索引”，结构如下：

Page Directory = [slot1, slot2, slot3, ...]
每个 slot 存储一个记录在页内的偏移地址

因为页内记录是按主键有序的，InnoDB 可以用二分查找快速定位。

 作用：
在页内快速找到目标记录，减少遍历。

 File Trailer（页尾，8 字节）

用于校验页是否被破坏（数据一致性检测）。

包含两个字段：

  • 校验和（checksum）

  • LSN（日志序列号）

 作用：
保证页在磁盘读写过程中数据没有损坏。

2. InnoDB 的聚簇索引存储方式

InnoDB 表的 数据是按主键顺序存放在 B+ 树叶子节点上的。
也就是说：数据文件本身就是一棵 B+ 树（称为聚簇索引，Clustered Index）。

🔹 举个例子：

假设我们有一个表：

CREATE TABLE user (id INT PRIMARY KEY,name VARCHAR(50),age INT
) ENGINE=InnoDB;

InnoDB 内部存储结构如下：

  • 整张表是一个聚簇索引。

  • B+ 树的叶子节点中，存放的是整行记录（id, name, age）。

  • B+ 树的非叶子节点中，存放的是主键值和指向下一层节点的指针。

所以：

  • 主键值顺序决定了数据的物理顺序；

  • 按主键排序插入性能最好；

  • 若没有显式主键，InnoDB 会自动创建一个隐藏主键（6字节递增整数）。

二、B+ 树是如何存储数据的

理解 B+ 树是理解索引的核心。

1. B+ 树结构示意

B+ 树是一种 多路平衡查找树（multi-way balanced search tree），它与普通二叉树不同，每个节点可以有多个孩子节点。

                 [10 | 20 | 30]/       |       \[1,5,7]  [12,15,18]  [22,25,27,29,30]

特点：

  • 所有数据都存储在 叶子节点；

  • 非叶子节点只存储 索引键值 和 指针；

  • 所有叶子节点通过 双向链表 相连（便于范围查询）；

  • 树高较低，I/O 次数少。

2. B+ 树中的数据存储

举个例子：

假设我们有数据：

id: 1, 2, 3, 4, 5, 6, 7, 8, 9

当我们在主键上建索引时（即聚簇索引）：

  • B+ 树的叶子节点存储整行记录：

    [1, row_data1], [2, row_data2], [3, row_data3] ...

  • 非叶子节点只存储键值和页指针：

       [3 | 6]/    \
[1,2] [4,5] [7,8,9]

如果我们建了一个二级索引，比如在 `name` 字段上： sql CREATE INDEX idx_name ON user(name);

  • 二级索引的 B+ 树叶子节点存储的是：

    name -> 主键值

    例如：

    [Alice -> 1], [Bob -> 2], [Tom -> 7]

  • 也就是说：
    查找 name='Tom' 时，MySQL 会先在二级索引B+树中找到主键值 7，
    然后再到聚簇索引B+树中根据主键 7 找到整行数据。
    这叫做 回表查询（Back to Clustered Index Lookup）。

3. B+ 树的性能优势

  • 树高低（通常2~3层）
    即使上百万行数据，B+ 树高度也很低，一次查询只需 2~3 次磁盘IO。

  • 顺序存储
    B+ 树的叶子节点是按顺序排列的链表，非常适合范围查询，比如：

    SELECT * FROM user WHERE id BETWEEN 100 AND 200;

    只需要扫描一段连续的叶子节点即可。

4. 小结：InnoDB + B+ 树 的整体图示

InnoDB 表结构 = 聚簇索引（B+树）||-- 非叶子节点：索引键 + 指针|-- 叶子节点：整行数据二级索引（可选） = 独立的 B+树||-- 叶子节点：索引键 + 主键值|-- 查询需要 "回表" 到聚簇索引

 总结对比表

项目聚簇索引 (Clustered Index)二级索引 (Secondary Index)
叶子节点存储整行数据索引列 + 主键值
查询是否回表否是
唯一性主键唯一可重复
存储顺序按主键顺序按索引列顺序
查询性能快（直接取数据）慢一点（需回表）
http://www.dtcms.com/a/524762.html

相关文章：

  • HTTP 与 SOCKS5 代理协议：企业级选型指南与工程化实践
  • 新华三H3CNE网络工程师认证—STP状态机与收敛过程
  • 从零起步学习MySQL || 第十章：深入了解B+树及B+树的性能优势（结合底层数据结构与数据库设计深度解析）
  • 阿里云服务器网站备案台州北京网站建设
  • 眼镜网站建设深圳网站设计精选刻
  • CF1060 CD
  • 莱西做网站公司繁体网站模板
  • 学校网站建设培训心得如何登陆建设银行信用卡网站
  • Java 大视界 -- Java 大数据机器学习模型在电商商品推荐系统中的冷启动问题攻克与个性化推荐强化（427）
  • 【总结】Vue中的组件通信方式有哪些?React中的组件通信方式有哪些?
  • 外贸网站优化推广手工制作大全折纸
  • 华为一站式服务建站视觉设计案例
  • 前端大文件分片上传
  • webrtc代码走读（四）-QOS-NACK实现-发送端
  • 主成分分析（PCA）在计算机图形学中的深入解析与应用
  • Kubernetes：实战Pod共享存储
  • 合肥市建设工程造价管理站网站ps网站背景图片怎么做
  • 5118网站是免费的吗网站如何防止重登录
  • 网络编程实战02·从零搭建Epoll服务器
  • IP数据报分片 题
  • 杭州设计 公司 网站建设适合小企业的erp软件
  • 全面掌握PostgreSQL关系型数据库，创建用户创建数据库操作，笔记09
  • 西安市网站制作公司购物商城排名
  • 思维大反转——往内走如实觉察
  • 计算机视觉——从环境配置到跨线计数的完整实现基于 YOLOv12 与质心追踪器的实时人员监控系统
  • 《商户查询缓存案例》使用案例学习Redis的缓存使用；缓存击穿、穿透、雪崩的原理的解决方式
  • 物联网固件安全更新中的动态密钥绑定与验证机制
  • YOLO学习——图像分割入门 “数据集制作和模型训练”
  • 网站域名的用处如何建设黔货出山电子商务网站
  • 三步搭建 AI 客服系统：用 PandaWiki 打造永不掉线的智能客服